0
0
Laporan terbaru menunjukkan bahwa kecerdasan buatan kini mendukung hampir sepertiga tugas di organisasi rata-rata. Angka ini naik dari 25 persen tahun lalu menjadi 30 persen, menandakan transisi dari tahap eksperimen menuju eksekusi nyata. Hasilnya, ekspektasi return on investment untuk agentic AI melonjak dari 10 persen menjadi 17 persen.
Namun banyak perusahaan masih merasa hasil yang diperoleh belum mencapai potensi maksimal. Kesenjangan ini muncul karena pendekatan yang masih terfragmentasi, bukan karena keterbatasan akses model terbaru. Lebih dari separuh organisasi berinvestasi AI secara ad hoc, sementara hanya 17 persen yang menerapkan pendekatan strategis menyeluruh.
Pendekatan piecemeal ini sering bermula dari tuntutan dewan direksi yang mendorong adopsi cepat tanpa strategi atau literasi AI yang memadai. Akibatnya, inisiatif muncul secara organik namun terisolasi, sehingga sulit menghasilkan transformasi proses bisnis secara utuh. Situasi ini menjelaskan mengapa 69 persen perusahaan puas dengan ROI yang sudah terbukti, tetapi 67 persen lainnya yakin masih ada ruang besar untuk peningkatan.
Agentic AI membawa perubahan ekonomi yang signifikan. Agen mampu merencanakan dan menjalankan beberapa langkah secara iteratif untuk mencapai tujuan tertentu, mirip cara manusia bekerja. Contohnya, agen akuntansi akrual yang biasanya memakan 12 jam per bulan kini dapat diselesaikan dalam dua hingga tiga jam. Skala penerapan seperti ini berpotensi mengubah efisiensi di berbagai proses.
ROI AI secara umum naik dari 16 persen menjadi 21 persen dan diproyeksikan mencapai 15,9 juta dolar dalam dua tahun ke depan. Meski demikian, hanya 3 persen organisasi yang merasa sepenuhnya siap menghadapi perkembangan ini.
Kualitas data tetap menjadi penghalang utama. Tujuh puluh tiga persen responden menyebutkan data sebagai alasan utama belum optimalnya nilai AI. Masalah ini berubah sifatnya dibandingkan era deep learning klasik. Model fondasi mengurangi kebutuhan pembersihan data, tetapi menuntut pelestarian konteks bisnis yang kaya.
Analisis menunjukkan bahwa ketika data diekstrak dari sistem ERP tanpa menjaga semantik aslinya, nilai generatif AI justru berkurang signifikan. Perusahaan yang mampu mempertahankan konteks melalui knowledge graph atau data product terstruktur akan lebih siap memanfaatkan agen AI secara efektif.
Tata kelola AI muncul sebagai tantangan tersembunyi. Hanya 12 persen bisnis merasa siap mengatur AI, sementara 69 persen mengakui penggunaan alat bayangan yang tidak disetujui. Analisis kedua menyoroti bahwa tanpa kerangka pengawasan yang matang, risiko shadow agent dapat meningkat seiring perluasan adopsi. Perusahaan perlu membangun inventaris agen, menerapkan kontrol akses, serta merancang ulang alur kerja yang melibatkan pengawasan manusia.
Perubahan ini pada akhirnya lebih bersifat manusiawi daripada teknis. Hampir 80 persen responden setuju bahwa memaksimalkan nilai AI memerlukan lebih dari sekadar pelatihan teknis, dan 75 persen sudah merencanakan reskilling karyawan. Kolaborasi antara manusia dan agen AI menjadi fokus baru, bukan sekadar penggantian pekerjaan.
